Que es Frameworks-Keras

Keras-TensorFlow

Nota: (Keras es un framework de alto nivel para el Machine-Learning. Es una librería Python potente y fácil de usar para desarrollar y evaluar los modelos de Deep-Learning. Envuelve las bibliotecas de computación numérica Theano, CNTK y TensorFlow y le permite entrenar modelos de redes neuronales en unas pocas líneas de código).

 

Que es Frameworks-Keras

-. Keras es una biblioteca de Redes-Neuronales de Código Abierto escrita en Python, es capaz de ejecutarse sobre TensorFlow, CNTK y Theano. Está diseñada para posibilitar la experimentación en más o menos poco tiempo con redes de Aprendizaje-Profundo (Deed-Laerning). Sus fuertes se centran en ser amigable para el usuario, modular y extensible. Keras ha sido concebido para actuar como una framework (interfaz) en lugar de ser una simple biblioteca de machine-learning. Ofrece un conjunto de abstracciones más intuitivas y de alto nivel haciendo más sencillo el desarrollo de modelos del Deed-Laerning independientemente del backend- computacional utilizado.

Nota: Un backend-computacional es un sistema o software subyacente que utiliza algoritmos de aprendizaje automático.

 

Características-Keras :

  • Keras contiene varias implementaciones de los bloques constructivos de las redes neuronales como los layers (capas), funciones objetivo, funciones de activación, optimizadores matemáticos, etc. Tiene soporte para Redes-Neuronal del tipo; Convolucionales y Recurrentes.
  • Keras generar modelos de Deep-Learning en smartphone tanto sobre iOS como sobre Android, y sobre Maquinas-Virtuales-Java o World Wide Web (WWW). Se puede usar de entrenamiento distribuido de modelos de aprendizaje profundo en clusters de Graphics-Processing-Units (GPU) y Tensor-Processing-Units (TPU).
  • Keras es un framework (marco de referencia) de alto nivel para el Deep-Learning, escrito en Python y capaz de correr sobre los frameworks TensorFlow, CNTK, o Theano.

 

La API-Keras:

-. Keras es una API de Deep-Learning escrita en Python, que se ejecuta sobre la plataforma de Aprendizaje- Automático TensorFlow . Permite un enfoque, una experimentación rápida. Podemos pasar de una idea a un proyecto lo más rápido posible.

  • Simple: Keras reduce la carga cognitiva del desarrollador para que pueda concentrarse en las partes del problema que realmente importan.
  • Flexible: Los flujos de trabajo simples deben ser rápidos y fáciles, mientras que los flujos de trabajo arbitrariamente avanzados deben ser posibles a través de un camino claro que se basa en lo que ya ha aprendido.
  • Potente: Keras proporciona un rendimiento y una escalabilidad sólidos.

 

Keras &TensorFlow:

-. TensorFlow es una plataforma de aprendizaje automático (Machine-Learning) de código abierto, es como como una capa de infraestructura para la programación diferenciable.

  • Eficiente en operaciones de Tensor de bajo nivel en CPU, GPU o TPU.
  • Cálculo del Gradiente de expresiones diferenciables arbitrarias.
  • Escalamiento del cómputo a muchos dispositivos, como clústeres de cientos de GPU.
  • Exportación de programas («gráficos«) a tiempos de ejecución externos, como servidores, navegadores, dispositivos móviles e integrados.

-. Keras es la API de alto nivel de TensorFlow; una interfaz productiva para resolver problemas de aprendizaje automático (Machine-Learning), con un enfoque en el aprendizaje profundo (Deep-Learning). Proporciona abstracciones esenciales y bloques de construcción para desarrollar y enviar soluciones de aprendizaje automático (Machine-Learning) con alta velocidad de iteración. Se puede ejecutar Keras en TPU o en grandes grupos de GPU, Los modelos de Keras se pude ejecutar en navegadores o en un dispositivo móvil.

 

Recopilando:

Keras es la API (interfaz) de TensorFlow; el modelo es un conjunto de módulos independientes totalmente configurables que se pueden conectar entre sí con la menor cantidad de restricciones. La modularidad de las capas-neuronales, funciones-costos, las funciones-activación, los esquemas de regularización, etc., son módulos independientes que puede combinar para crear nuevos modelos.

 

  • Referencias: Entorno-Moreluz
  • Referencias: Keras